Formatați CSV sau Unde să puneți virgule?

Printre aplicațiile care se întâlnesc, dacă nu un programator, atunci un utilizator avansat, importând date de la o aplicație la alta, nu este neobișnuit. Adesea, este necesar să se importe date de tabel, pentru care, de fapt, a fost inventat formatul CSV. Acum s-au dezvoltat mai multe soluții alternative (printre care și XML). Dar crearea unui fișier CSV rămâne în unele cazuri soluția cea mai convenabilă, iar unele - cele mai problematice.

Numele formatului este descifrat ca valori comaseparate, separate prin virgule. În Notepad, fișierul arată astfel:

00, 01, 02, 03;

01, 15, 34, 11;

16, 27, 33, 06 (la sfârșit nu este necesar să se pună un semn)

Și într-o foaie de calcul Excel sau într-o aplicație similară, acesta este deja cazul:

Dar acum am analizat cel mai simplu caz. Problemele încep tocmai datorită faptului că, datorită reprezentării foarte comprimate a datelor, formatul CSV este folosit pentru a transmite cantități mari de informații. Cel mai adesea în bazele de date există valori diferite: digital, alfabetic, alfabetic, cu spații etc. Adesea, în matrice mari există erori și dacă, de exemplu, undeva apare o virgulă suplimentară în conținutul unuia dintre câmpuri, toate celulele pot trece la una.

În general, problemele care apar atunci când se importă date prin fișier format CSV, pot fi împărțite în trei categorii:

1 - Umplerea incorectă a câmpului.

2 - Transformarea incorectă a datelor atunci când salvați un fișier în CSV.

3 - Recunoașterea incorectă a formatului de către programul de import.

Primul caz a fost deja examinat parțial. Pentru a combate problema, este necesar să se asigure mijloace pentru a controla corectitudinea datelor de intrare. De exemplu, dacă aveți nevoie pentru a colecta o bază de date de adrese pentru lista de discuții, există script-uri speciale care verifică dacă o persoană a intrat în e-mail în formatul corespunzător. În cazul în care există lacune, virgule, precum și orice alte date care pot fi citite greșit, conținutul câmpului trebuie să fie închise în ghilimele (de calculator așa-numita „“).

Cel de-al doilea caz este legat de alegerea codificării. Este necesar să aflăm, adesea prin experiență, ce codificare a importatorului de programe va prefera. În Windows, 1251 este universal aplicat, deci dacă fișierul sursă întâlnește textul Unicode, acesta va fi afișat în aplicația destinatarului ca un lanț de întrebări. În Excel, puteți salva în format CSV cu codare diferite și delimitator (cu excepția punctului încă în fila utilizare și virgulă), dar cel mai bine este de a crea un fișier în Notepad ++ sau OpenOfficeCalc.

Cel de-al treilea caz este o consecință a celui de-al doilea. Din punct de vedere istoric, formatul CSV nu are un singur standard. Multe programe sunt percepute ca CSV și TSV fișier (delimitat prin tab-uri) și SCSV (separate prin punct și virgulă), în special pentru că extensia de fișier nu este raportat cu privire la aceasta. În acest caz, datele sunt citite în mod eronat și nu sunt distribuite în celule în ordinea dorită. Cele mai bune lucruri care pot fi sfătuite sunt crearea unui fișier CSV cu mâna ta. După cum am menționat deja, pentru asta trebuie să folosiți un editor convenabil.

Trupele despre cum să îmblânzească formatul CSV sunt cunoscute de programatori. Este suficient ca un simplu utilizator să urmeze recomandările noastre pentru crearea unui fișier. Cea mai mică problemă apare atunci când fișierul este creat special pentru importul într-o aplicație specifică (se întâmplă și într-un alt mod). Este mai ușor să țineți cont de toate problemele posibile care apar pe parcurs transmisie de date.